人脸识别是近年来计算机视觉、模式识别领域的一大研究热点，在刑侦破案、证件验证、门禁系统、视频监视等领域中都具有广泛的应用前景。本文主要研究静止图像的多姿态、多表情人脸识别。首先从认知心理学角度研究了人脸认知的理论模型和人类识别人脸的规律，然后研究了静止图像的人脸识别的典型方法——特征脸方法。针对多姿态、多表情人脸识别的情况介绍了一种改进的人脸识别方法——基于对称性特征半脸(based-symmetrical half-PCA，SHPCA)的人脸识别方法。该方法采用特征半脸的思想，将人脸分为上下两部分以克服表情变化对识别的影响，继而为提高对多姿态变化的人脸的识别能力，对上下半脸分别利用其对称特性，引入镜像样本，投影到对应的对称特征半脸空间。识别时，对上下半脸的投影向量采用不同的权重计算加权欧氏判决距离，并根据最近邻距离分类准则进行判别。为了减小光线、位置、尺度变化的影响，还采用了相应的预处理方法。实验测试了国际上使用最为广泛的ORL人脸库中的全部人脸数据40个人共400幅多姿态、多表情的人脸，使用传统特征脸法的正确识别率为93.5％，本方法可达到97.5％的识别率，其中五幅人脸因表情变化过于激烈而被错误拒绝。实验结果表明，改进后的方法对于多姿态、多表情的人脸达到很好的识别效果，正确识别率比特征脸方法有很大的提高。